Kreditriskmodeller · 2017. 12. 6. · Patrik Scheele PwC Senior Manager +46 72 5849814...
Transcript of Kreditriskmodeller · 2017. 12. 6. · Patrik Scheele PwC Senior Manager +46 72 5849814...
Kreditriskmodeller
www.pwc.se
Januari2017
PwC 2
Om oss
Alexander ErikssonPwC Senior Associate
+46 72 [email protected]
Patrik ScheelePwC Senior Manager
+46 72 [email protected]
Stefan SjöströmPwC Senior Manager
+46 708 725 [email protected]
PwC
Bakgrund
13
PwC 4
Risker i bankaffären
• Kreditrisk
• Marknadsrisker (Ränte, Aktie och Valuta)
• Operativ risk (Rutiner, Processer, Mänskliga fel, Nyckelpersonsberoende, bedrägerier mm)
• Koncentrationsrisk (Utlåningen, Placeringar)
• Ränterisk i Bankboken (Volatilitet i intjäningen = strukturell ränterisk)
• Likviditetsrisk
• Affärsrisk/Strategisk risk
• Anseenderisk (ryktesrisk)
• Penningtvätt (AML)
• Compliance risk
I den Interna kapital och likviditetsutvärderingen (IKLU) stressar bankerna dessa risker och ser hur det slår på kapital, förluster etc
PwC 5
Historik kreditriskmodeller
• I slutet av 50-talet började Fair Isaac and Company (senare FICO) sälja sitt första datoriserade credit score till banker. FICO score har varit ett generellt kreditvärdighetsmått i USA sedan 1989.
• I Sverige kom UC ut med sitt första creditscore för aktiebolag 1991 och för privatpersoner 1999.
• I mitten av 2000-talet började större banker beräkna egna riskmodeller utifrån egen data för att få beräkna sitt kapitalkrav utifrån dessa.
• Fler och fler mindre banker och finansbolag har insett värdet av egen information och egna modeller i kreditgivningen
PwC
Kreditprocessen
26
PwC
Varför Scoring
7
KreditStyrning
Snabbhet
Effektivitet
Konsekvens
ÖkadFörsäljning
Identifiera Kreditvärdiga kunderför bearbetning
Öka andelen godkändaansökningar
Prisdifferentiering
Optimering
Likvärdig och objektivbedömning för varje ansökan
Konsekventa beslut i helaorganisationen
Snabb handläggning Godkänt/Avslag
Mindre data behövs för att kunna göra korrekta beslut
Minska exponeringen mot riskkunder
Minska Kreditförlusterna
Minska betaltiderna
Kapitaltäckning
Reserveringar/Nedskrivningar
Handläggaren fokuserar på svåraärenden
Större volym handlagd med sammabemanning
PwC
Kreditprocessen
8
Prospektering PortföljhanteringKredit
Bedömning
Betalnings-
hantering Inkasso
Marknads ScoreKredit
ScoreBeteende
ScorePåminnelsescore
Inkasso
Amicable/Legal
score
Affärsområden Marknad Kredit Ekonomi Betalningsflöden
Score
Kund-
Livscykeln
Extern
KreditInformation
Kund DataAggregerad
Inkasso
Data
Inkasso
PwC
Kreditprocessen
9
Prospekts/
KunderKreditplattform
DATA
BeslutsmotorKreditkontroll
Beslut / Belopp / Ränta /
Återbetalningstid
Inkasso
ID/Adress matchning
Fraud
KreditPolicy
Scoring
Black/White lista
AML
Inkasso
Bevakning
Portfölj
Sales Ledger
Kapitaltäckning
Reserveringar
Nedskrivningar
Aviseringar
Påminnelser
PwC
Kreditprocessen
10
• Ansökningsinformation• Interna regler
• Aktiva ansökningar
• Ålder
• Ålder+Återbetalningstid
• Anställningsform
• Uppgiven Inkomst
• Kreditkontroll• Kreditmall
• Sökande Är under 18 år
• Har förvaltare utsedd
• Har utvandrat eller är obefintlighetsregistrerad
• Saknar adress i offentliga register
• Har Poste restante istället för gatuadress
• Har ett aktuellt skuldsaldo hos Kronofogdemyndigheten
• Har notering avseende skuldsanering
• Har skyddad personuppgift
• Avliden
• Interna regler (Micro)
• Skuldsaldo
• Skuldsanering
• Betalningsanmärkningar
• Engagemangsregistret
• Interna regler (Upplysning)
• Låg Inkomst
• Utnyttjad kredit
• Riskprognos
Kreditplattform
DATA
BeslutsmotorKreditkontroll
Beslut / Belopp / Ränta /
Återbetalningstid
ID/Adress matchning
Fraud
KreditPolicy
Scoring
Black/White lista
AML
PwC
Kreditprocessen
11
Kreditplattform
DATA
BeslutsmotorKreditkontroll
Beslut / Belopp / Ränta /
Återbetalningstid
ID/Adress matchning
Fraud
KreditPolicy
Scoring
Black/White lista
AML
• Intern regelmotor• Godkänna lån
• Inga anmärkningar
• Stabil inkomst
• Inga förfrågningar senaste 6 månaderna
• Sjunkande underskott av kapital
• KALP
• För att säkerställa att kunden har möjlighet att betala tillbaka lånet
så beräknas det rekommenderade beloppet på en ”kvar att leva på
kalkyl”. I denna beräkning ingår uppgifter från kunden såväl som
extern kreditinformation. Kalkylen beräknar vilka intäkter och
kostnader kunden har varje månad. För att bli godkänd måste
kunden ha ett disponibelt minimibelopp efter samtliga kostnader
inkl. kostnaden för det nya lånet.
• De kostnader som inkluderas i KALP:en är
• Boendekostnader
• Levnadsomkostnader
• Kostnad per barn
• Kostnader för övriga lån
• Riskbedömning / Inkomst
• Rekommenderat belopp
• Rekommenderad ränta
• Rekommenderad återbetalningstid
PwC
Kapitaltäckning
312
PwC 13
Kapitaltäckning av risker
• Banken ska hålla kapital för de risker som banken är exponerad mot
• Riskvägda tillgångar Tillgångar i balansräkningen justerat för risk
• Kapitalbas Eget kapital i balansräkningen + vissa övriga skuldposter ex. förlagslån
Tillgångar
Riskjusterade tillgångar Kapitalbas
Skulder Kapitalbas / riskvägda
tillgångar >= 8 %
PwC 14
Intern riskklassificering (IRK)
• I syfte att få högre avkastning på kapital vill banker generellt sett inte sitta med för mycket kapital.
• Vad reglerar vilket kapital en bank håller
• Myndighetskrav
• Egen bedömning och t.ex. ratingmål
• IRK-tillståndet är en kvalitetsstämpel som myndigheter, ratinginstitut och investerare ser positivt på
• Intern riskklassificering används:
• till kapitalkravsberäkningar
• som input för kreditbeslut
• för att bestämma kreditbeslutsnivå
• i prissättningsstöd
• för att bättre kunna tolka risk och riskutveckling
PwC 15
Vad är ett IRK-tillstånd
• Kapitalkravsutveckling från myndigheter
• Kapitalkrav för ”banker” sedan 1950-talet
• Internationell överenskommelse i början av 90-talet, Basel 1 (kreditrisk)
• Basel 2 ~ 2007
• Schablonmetoden för kreditrisk
• IRK-modeller för kreditrisk (ink övergångsregel 80% av Basel 1)
• Operativ risk
• Basel 3
• Schablonmetoden för kreditrisk
• IRK för kreditrisk (ink övergångsregel 80% av Basel 1 t.o.m. 2017)
• Operativ risk
• Motpartsrisk
• Leverage ratio
• För att ha IRK-tillstånd krävs:
1. Uppfylla ca 50 artiklar
2. Prövning av FI
3. Avgift
4. Tillsyn från FI efter tillstånd getts
PwC
Ökad riskkänslighet (ex för företag)
Riskvikt
0%
20%
40%
60%
80%
100%
120%
140%
160%
180%
200%
AAA AA+ AA AA- A+ A A- BBB+ BBB BBB- BB+ BB BB- B+ B B-
Schablonmetoden – Basel 2
Basel 1
Rating
Internratingmetoden – Basel 2
PwC 17
Förväntad förlust (EL)
Probability of Default (PD eller sannolikheten för fallissemang i %)
Sannolikheten att kunden inte betalar t.ex. räntor eller amorteringar inom 90 dagar efter förfall (>90 dgr sen eller annan indikation på att kunden inte kommer att betala) inom loppet av ett år. PD ska beräknas som den långsiktiga fallissemangsfrekvensen över ett antal konjunkturcykler
Loss Given Default (LGD, förlust givet fallissemang i %)
Givet att kund hamnar i fallissemang (~är >90 dagar sen), hur stor andel av utlånat belopp förlorar vi på kunden. LGD ska beräknas som om det vore en lågkonjunktur
Exposure at Default (EAD, exponeringen vid fallissemangstillfället)
Vad tror vi är den förväntade exponeringen vid fallissemangstillfället
PwC 18
Förväntad och oförväntad förlust
• Förväntad förlust
• Beskrivs som:
EL= PD * LGD * EAD
• ”Business As Usual” ska
finansiera dessa förluster.
• Oväntad förlust
• Beskrivs som:
UL= f(PD;LGD) * EAD
• Denna funktion benämns
som ”riskviktsfunktionen”.
• Dessa förluster måste
finansieras genom att hålla
särskilt kapital för
ändamålet.
PwC
Reserveringar/nedskrivningar
419
PwC 20
Effektivräntan baserat på upplupet
anskaffningsvärde efter nedskrivning
Förväntade förluster baserat på hela löptiden
Effektivräntan baserat på bokfört värde brutto
Förväntade förluster baserat på hela löptiden
Effektivräntan baserat på bokfört värde brutto
12 månaders förväntade kreditförluster
Nedskrivning av finansiella tillgångarGrundmodell
Reserv för förväntade kreditförluster
Förändring i kreditkvalitet sedan första redovisningstillfället
Steg 1 Steg 2 Steg 3
Fungerande krediter(Första redovisningstillfället*)
Osäkra fordringar(Tillgångar vars kreditrisk ökat
väsentligt sedan första redovisningstillfället*)
Ej fungerande fordringar(Nedskrivna tillgångar)
Ränteintäkter
*förutom för emitterade eller köpta “credit impaired” fordringar
PwC
Modellering och förklarande variabler
521
PwC 22
Probability of Default (PD)
• PD för kapitaltäckning ska vara sannolikhet att fallera under ett år samt att
detta PD ska mäta sannolikheten under en genomsnittlig konjunkturcykel
• PD för kapitaltäckning modelleras ofta med logistisk regression.
Sannolikheten justeras oftast efter regressionen för att mäta sannolikheten
under en genomsnittlig konjunktur (Through-the-Cycle)
• PD för nedskrivningar behöver beräknas för kreditens livstid och ska även
vara framåtblickande utifrån ett macroperspektiv, men ingen justering för
genomsnittlig konjunkturcykel ska göras (Point-in-Time)
• Livstids-PD modelleras genom att multiplicera migrationsmatriser eller med
olika vintage-metoder (såsom Cox regression eller liknande)
PwC 23
Vanliga riskdrivare PD
• Betalningshistorik
• Utnyttjandegrad på revolverande krediter
• Tid som kund
• Helkund/ej helkund
• Ålder
• Extern information (Betalningsanmärkningar, UC Risk)
PwC 24
UC Risk Person, riskdrivare
Omfrågningar hos UC
Antal frågor
Kategori frågeställare
När i tiden
Taxeringsuppgifter
Inkomstnivå
Typ av inkomst
Inkomstförändring
Kreditregistret
Kreditaktivitet
Utnyttjandegrad
Typ av kredit
Övrigt
Civilstånd / Civilståndsändring
Ålder
Fastighetsägande
Betalningsanmärkning / Skuldsaldo
PwC 25
Loss Given Default (LGD)
• LGD-modeller delas ofta upp i en
• tillfriskningsfas (sannolikhet för tillfrisknande)
• collateral-fas (hur mycket pengar får man in av säkerheten)
• non-collateral fas (hur mycket kan man få in av låntagaren efter att säkerhet sålts)
• LGD för kapitaltäckning ska mäta hur mycket man får tillbaka i en lågkonjunktur (downturn), d v s det beräknade estimatet justeras upp
• LGD för nedskrivningar ska vara framåtblickande utifrån ett macroperspektiv men ingen justering för lågkonjunktur ska göras (Point-in-Time)
• LGD modelleras ofta med relativt enkla modeller så som medelvärde etc. Eventuellt kan man använda logistisk regression för tillfriskningsfasen
• En stor del av komplexiteten i LGD handlar om att allokera exponering till olika säkerheter
PwC 26
Vanliga riskdrivare LGD
• Lånets storlek i förhållande till eventuell säkerhets värde (Loan-To-Value)
• Typ av säkerhet
• Geografi
• Tidigare fallissemang
• Inkomster
• Eventuell medlåntagare
PwC 27
Exposure At Default (EAD)
• EAD för kapitaltäckning modellerar endast Konverteringsfaktorn (KF)
• KF är en beräkning av hur mycket av outnyttjade kreditmöjligheter som
utnyttjas vid fallissemang, exempelvis på kort- och kontokrediter
• EAD för nedskrivningar ska vara framåtblickande utifrån ett
macroperspektiv
• EAD för nedskrivningar modelleras genom att ta hänsyn till
avbetalningar, refinansiering, utnyttjandegrader och eventuella
korrelationer med macro
Time
Uti
lisa
tio
n
Economy
Credit limit
Reporting
datet
Sta
te o
f eco
no
my
Loan B
Loan A
PwC
Validering
628
PwC 29
Validering av kreditriskmodeller
• Modellerna valideras:
• In-Sample
• Out-of-sample
• Out-of-time (sker löpande)
• Validering av enskilda parametrar
• Univariata analyser
• Wald-test
• Goodness-of-Fit
• Prognos mot utfall
• LRT
• Validering av predikterade värden
• Klassificeringsförmåga (ROC Accuracy Ratio / Gini)
• Kolmogorov-Smirnov test (KS test)
• Divergens
• Korsvalidering (=cross-validation, K-delar)
PwC 30
Validering av kreditriskmodeller
Accuracy Ratio / Gini koefficient
0% 20% 40% 60% 80% 100%
0%
20%
40%
60%
80%
100%
Andel av total population
Arean är 63% av
perfekt prediktion
Perfekt prediktion
Modell
Andel fallissemang
PwC 31
Validering av kreditriskmodeller
101 150 200 250 300 350 400 450 500 550 600
Score
K-S
statistika
Me
de
lvä
rde
för
“bra
” u
tfa
ll
Divergens
Kolmogorov-Smirnov test och divergens
PwC
Beröringspunkter Bank/Försäkring
732
PwC
Varför är aktuarier relevanta för bankområdetoch modellering av kreditrisk?
33
• Affären handlar i grund och botten om att prissätta och hantera risker på ett korrekt sätt, likt försäkring.
• Komplexa problem som kräver starka matematiska / statistiska färdigheter samt stark analytisk förmåga.
• Samtidigt behöver man en god ekonomisk förståelse och att kunna förklara komplexa problem på ett enkelt sätt.
• Med andra ord - nyckelkompetenser som en aktuarie besitter.
PwC
Aktuarie vs. kvantitativ analytiker på bank
34
• Likheter:
− Man får jobba mycket med siffror och hantera stora datamängder
− Kräver god förståelse för matematik/statistik och att kunna applicera det i verkliga situationer
− Ställer krav på god kommunikativ förmåga
− Analysera data och bygga modeller
− Ta fram antaganden och uppdatera dem vid behov
− Monitorera risker
• Skillnader:
− Olika branscher – olika terminologi
− Annan typ av risk, och i många fall mer utmanande att värdera än försäkringsrisk
− Andra typer av riskdrivare / förklarande variabler
− Försäkring har mer definierade ramverk för att analysera risk